输电线路无人机智能巡检应用研究

温新叶，杨忠伟，陈昌

（国网浙江省电力有限公司平阳县供电公司，浙江 温州 325401）

1 前言

随着经济的不断发展，社会对于电能的需求不断增加，输电线路里程不断增长，并且线路沿线地区建设不断加快，施工机械等活动频繁，输电线路防外破保护点不断增加，造成输电运检人员不足的问题日益凸显，使无人机巡检成为提升检修效率的重要手段之一。根据国网公司公布的数据，无人机巡检架空线路巡检效率是传统人工巡检效率的8倍以上，在其他特定巡检任务中，无人机巡检效率也远超传统人工巡检方式，在一定程度上缓解了巡检工作压力，但是由于小型多旋翼无人机巡检过程中仍需要人工处理大量图像数据，并且巡检人员也需要具备较高的无人机操作水平和维护技能，专业化无人机巡检人员的欠缺和智能化水平的不足严重制约无人机巡检进一步的推广应用。

本研究通过对电力巡检无人机主要工作模式入手，对现阶段无人机智能巡检中所需的影像数据处理技术、自主巡航技术及续航等关键技术进行分析，探索可行的无人机智慧巡检方案，为无人机智能巡检的应用提供一些有益的参考。

2 无人机智能巡检关键技术

无人机巡检主要借助搭载可见光或红外影像设备实现对目标线路的巡查工作，由于其具备较高的效率和较好的安全性，实现了在国网公司各单位的快速推广应用。现阶段，输电线路巡检无人机主要包括小型、中型多旋翼及固定翼无人机。巡检方式主作业员人工操作无人机巡检，这种巡检方式所需数据处理方式主要通过现场人员辨别和后期图像数据分析处理2种方式，虽然较传统方式提升了巡检效率，但是智能化程度不足使其仍不能满足现阶段电网巨大的巡检需求。

随着物联网、5G、边缘计算和云计算等技术不断成熟和商业化运用的不断完善，将会助推无人机巡检模式向自主化智能巡检转变。

2.1 影像数据处理技术

现阶段可见光影响处理技术是无人机电力巡检目标检测中最主要的研究方向，依托深度学习技术的深度应用，通过人工设计特征提取的机器学习图像目标检测方法或基于深度学习技术的特定的目标检测算法，实现系统对无人机航拍图像的电力设备缺陷进行自动识别，部分技术手段能够达到90%左右的检测准确率，但由于输电线路电力部件型号多样，不同种类设备外观存在一定的差异，实现针对全部设备缺陷的准确识别还需要完善的电力巡检影像样本库或在人工智能深度学习算法上进行进一步的创新突破。

除可见光影响处理技术外，红外影像以及紫外检测技术也是无人机巡检中有一定的技术应用，但受限于较高的技术研发和成本投入，该类型的商业化应用存在一定的推广瓶颈。

2.2 自主巡航技术

自主巡航技术是实现无人机自主巡航的核心技术，常规分为人工示教和建模与定位技术2种，示教航线学习技术主要是在巡检过程中由巡检人员设定精准位置和姿态信息，无人机在存储相关信息后，无人机依照预先设定信息进行自主巡检。但是由于该技术主要由北斗和GPS定位技术进行技术支撑，而民用无人机定位精度误差在2～10m，电力巡检过程中需要面对较为复杂且不断变化的航道环境，同时根据电网巡检工作规范，无人机需要与线路保持10m以上安全距离，因此现阶段主流主要采用RTK（real-time kinematic）实时动态载波相位差分定位技术，即通过借助激光雷达扫描精度高、数据处理快速、数据采集多样等优势，获得激光点云，并以此为基础实现三维地图的构建，并结合人工智能深度学习算法实现自主巡航。

随着AI技术、边缘计算、5G的快速发展，结合现有人工示教和高精度定位技术，借助高效率的智能识别无人机在实现自主巡航的同时还能够根据设备结构及实际环境选择适宜的拍摄距离和拍摄角度，实现无人机的“一键巡航”。

2.3 续航

现阶段输电线路巡航无人机主要以小型多旋翼机型为主，而小型无人机占主要部分，小型无人机续航时间基本在1h以内，需要频繁更换电池，续航时间成为制约无人机自主续航的主要问题之一，现阶段解决续航问题的2个主要方向是采用移动式和固定式机巢2种方式。

移动式机巢属于较为成熟的无人机载具平台，根据特定的巡检任务设定相应飞行轨迹，无人机根据任务设定，按照既定路线完成线路巡检任务，任务完成后自动返回至移动式机巢，在机巢进行充电或人工换电，并将数据通过移动载具进行初步处理后传输至巡检监控平台。这种巡检方式在一定程度上解决了无人机续航问题，并且由于载具平台具备一定的通信中继、边缘计算等功能，实现了无人机半自动蛙跳式巡检。

固定式机巢一般安装于供电所或固定线路塔杆，根据巡检任务无人机自动起飞，在完成巡检任务后自动降落至机巢中进行充电，同时通过机巢进行初始数据处理并将数据上传至巡检监控平台，该模式最大限度地实现了无人机自主智能巡航，但是受限于供电所间距过大以及塔杆承重和塔杆机巢充能问题，该种无人机自主巡航模式还需要进一步解决无人机塔杆机巢的充能及安装成本等问题，虽然一些研究试图通过光伏、风能以及微波供能与激光供能的方式解决这一问题，但是光伏和风能存在一定的不稳定性，而现阶段微波供能与激光供能效率较低，尚无法充分解决现有问题。

除以上3项关键技术之外，物联网、AI技术、人工智能、5G、边缘计算、云计算等相关技术也是无人机智慧巡航中的重要技术组成，多项技术的充分发展和综合运用才能够有效支撑真正意义上的无人机智能自主巡航，进一步提升输电线路巡检工作效率。

3 无人机智能自主巡检方案设计

结合现有无人机巡检技术，依托现有电网巡检管控平台，针对城市环境与山地丘陵环境，利用移动式与固定式无人机机巢部署优势，本文提出2种无人机智慧巡检方案，可根据实际环境进行单独或混合式部署。

3.1 移动式机巢无人机智能巡检方案

针对城市环境与地势平坦区域，可充分借助移动式无人机机巢机动性进行输电线路巡检。根据现有塔杆及输电线路前端边缘计算采集装备信息反馈，经过输电综合监控平台进行多源信息数据的融合分析下达巡检指令，巡检班组根据常规性巡检任务与特定风险排查巡检任务进行路线规划实施输电线路巡检。巡检班组人员驾驶移动式无人机机巢机到达指定位置开展巡检工作，无人机按照指令开展巡检工作，并将巡检图像数据实时传输至车载服务器，经过边缘计算快速对数据进行初始处理，快速将巡检初始结果上传至巡检管控平台端，供平台对巡检数据的快速分析，基于平台分析结果将消缺信息通过移动作业APP下发，开展消缺作业，作业人员完成消缺作业后将信息通过作业APP回传至巡检平台，完成无人机巡检—故障、隐患信息确认—消缺作业的工作闭环。

图1 移动式机巢无人机智能巡检方案

3.2 固定式机巢无人机智能巡检方案

结合地区山地、丘陵等地势复杂等移动式机巢无法有效部署的区域，根据区域特征可合理布置固定式机巢，提升地势复杂区域的输电线路巡检效率。

根据区域供电所或塔杆分布，合理布局固定式机巢，通过固定式机巢作为信息传递及初始处置中介，在为无人机提供充电支持的同时对无人机运行状态进行实时监控。巡检监控平台通过对回传数据处理分析实现对输电线路情况的动态感知，实现故障隐患的及时消除。

图2 固定式机巢无人机智能巡检方案

4 结语

随着不断增长的输电线路带来的巡检压力，电网通过使用无人机巡检的方式大幅提升了巡检工作效率，有效减轻了巡检人员户外作业工作压力，但是也给电力企业带来了全新的挑战，一方面是无人机巡检过程中海量数据处理难题，另一方面是面对基层结构化缺员、员工老龄化现实困境，仍需要培养相当数量的无人机飞手，并且无人机的续航也是困扰无人机巡检效率进一步提升的瓶颈。面对上述困境仍需要电力企业进一步加大技术投入，推动人工智能等先进技术手段在该领域的深化应用，助推无人机智能自主巡检最终实现。

本文结合无人机巡检现有技术研究以及电力企业巡检工作实际情况，针对不同地域情况，结合现有可行无人机巡检技术，通过整合巡检监控平台及作业APP，提出了移动式机巢与固定式机巢相结合的无人机智能巡检方案。未来随着无人机续航以及人工智能等相关技术的不断突破，无人机智慧自主巡检必将能够满足电网精细化、智能化、高精度等使用要求。